‫اﻟﻤﺤﺘﻮﻳﺎت‬

‫)‪ -(٣-٢‬ﺗﻄﺒﻴﻘﺎت اﻻﻧﺤﺪار‬ ‫)‪ -(١-٢‬ﻧﻤﺬﺟﺔ اﻻﺳﺘﺠﺎﺑﺔ‬

‫)‪ -(٤-٢‬ﺗﺠﻤﻴﻊ اﻟﺒﻴﺎﻧﺎت ﻟﻼﻧﺤﺪار‬ ‫)‪ -(٢-٢‬ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‬

‫ﻛﺜﻴ ًﺮا ﻣﺎ ﺗﻜﻮن ﺗﻄﺒﻴﻘﺎت اﻹﺣﺼﺎء اﻟﺘﺴﺘﺮي أ ﻛﺜﺮ ﺗﻌﻘﻴﺪًا ﺑﻜﺜﻴﺮ ﻣﻦ اﻷﺳﺎﻟﻴﺐ اﻟﺘﻲ ﺗﻢ ﺗﻘﺪﻳﻤﻬﺎ ﻓي اﻟﻔﺼﻞ اﻷول‪ .‬ﻓي ﻛﺜﻴﺮ‬
‫ﻣﻦ اﻷﺣﻴﺎن ‪ ،‬ﺳﺘﺮﻏﺐ ﻓي اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ ﻟﻠﺘﺤﻘﻖ ﻣﻦ اﻟﻌﻼﻗﺎت ﺑﻴﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات ‪ ،‬وﻓي اﻟﻨﻬﺎﻳﺔ‬
‫ﻹﻧﺸﺎء ﻧﻤﻮذج ﻟﺒﻌﺾ اﻟﻤﺘﻐﻴﺮات )ﻣﺜﻞ ﻣﻌﺪل اﻟﺬﻛﺎء‪ ،‬ﻣﻌﺪل اﻟﻨﻘﺎط ‪ ،‬وﻣﺎ إﻟى ذﻟﻚ( ﻳﻤﻜﻦ اﺳﺘﺨﺪاﻣﻪ ﻟﻠﺘﻨﺒﺆ ﺑﻘﻴﻤﺘﻪ‬
‫ﻓي اﻟﻤﺴﺘﻘﺒﻞ‪ .‬ﻋﻤﻠﻴﺔ اﻟﺒﺤﺚ ﻋﻦ ﻧﻤﻮذج رﻳﺎﺿﻲ )ﻣﻌﺎدﻟﺔ( اﻟﺬي ﻳﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت ﺑﺸﻜﻞ ﺟﻴﺪ ﺟﺰء ﻣﻦ ﺗﻘﻨﻴﺔ إﺣﺼﺎﺋﻴﺔ‬
‫ﺗﻌﺮف ﺑﺎﺳﻢ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪.‬‬

‫)‪ (١-٢‬ﻧﻤﺬﺟﺔ اﻻﺳﺘﺠﺎﺑﺔ‬

‫ﻟﻨﻔﺘﺮض أن ﻋﻤﻴﺪ اﻟﻄﻼب ﻓي ﺟﺎﻣﻌﺔ ﻳﺮﻳﺪ اﻟﺘﻨﺒﺆ ﺑﻤﻌﺪل اﻟﻨﻘﺎط )‪ (GPA‬ﻟﺠﻤﻴﻊ اﻟﻄﻼب ﻓي ﻧﻬﺎﻳﺔ اﻟﺴﻨﺔ اﻷوﻟى ﻟﻬﻢ‪.‬‬
‫ﻳﻤﻜﻦ ذﻟﻚ ﺑﻄﺮﻳﻘﺔ واﺣﺪة ﻫﻲ اﺧﺘﻴﺎر ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ اﻟﻄﻼب اﻟﺠﺪد ﺧﻼل اﻟﻌﺎم اﻟﻤﺎﺿﻲ ‪ ،‬وﺗﺤﺪﻳﺪ ﻣﻌﺪل اﻟﻨﻘﺎط‬
‫‪y‬ﻟﻜﻞ ﻣﻨﻬﻢ‪ ،‬واﺳﺘﺨﺪام ﻫﺬه اﻟﻤﻌﺪﻻت ﻟﺘﻘﺪﻳﺮ اﻟﻤﺘﻮﺳﻂ اﻟﺤﻘﻴﻘﻲ ﻟﻤﻌﺪل اﻟﻨﻘﺎط ﻟﺠﻤﻴﻊ اﻟﻄﻼب اﻟﺠﺪد‪ .‬ﻳﻤﻜﻦ ﺑﻌﺪ‬
‫ذﻟﻚ ﻟﻌﻤﻴﺪ اﻟﻜﻠﻴﺔ ﺗﻨﺒﺆ ﺑﻤﻌﺪل اﻟﻨﻘﺎط ﻟﻜﻞ ﻃﺎﻟﺐ ﺟﺪﻳﺪ ﺑﺎﺳﺘﺨﺪام اﻟﻤﻌﺪل اﻟﻤﻘﺪر ﻟﻤﻌﺪل اﻟﻨﻘﺎط ‪.‬وﺗﻌﺎدل ﺗﻨﺒﺆ ﻣﻌﺪل‬
‫اﻟﻨﻘﺎط ﻟﻜﻞ ﻃﺎﻟﺐ ﺟﺪﻳﺪ ﺑﺎﺳﺘﺨﺪام اﻟﻤﻌﺪل اﻟﻤﻘﺪر ﻟﻤﻌﺪل اﻟﻨﻘﺎط ﺑﺎﺳﺘﺨﺪام ﻣﻌﺪل اﻟﻨﻘﺎط اﻟﺤﻘﻴﻘﻲ ﻛﻨﻤﻮذج ﻟﻤﻌﺪل‬
‫اﻟﻨﻘﺎط اﻟﺤﻘﻴﻘﻲ ﻟﻜﻞ ﻃﺎﻟﺐ ﻣﺴﺠﻞ ﻓي اﻟﺠﺎﻣﻌﺔ ‪.‬ﻓي اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎﺋي‪ُ ،‬ﻳﺴﻤﻰ اﻟﻤﺘﻐﻴﺮ ‪ y‬اﻟﺬي ﺳﻴﺘﻢ ﻧﻤﺬﺟﺘﻪ‬
‫ﺑﺎﻟﻤﺘﻐﻴﺮ اﻻﻋﺘﻤﺎدي )أو اﻟﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑﺔ( وﻳﺘﻢ ﺗﻌﻴﻴﻦ ﻣﺘﻮﺳﻄﻪ اﻟﺤﻘﻴﻘﻲ )أو اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ( ﺑﺮﻣﺰ )‪ E(y‬ﻓي ﻫﺬا‬
‫اﻟﻤﺜﺎل‪،‬‬

‫اﻟﺠﺎﻣﻌﺔ ﻓي ﻟﻪ اﻷول اﻟﻌﺎم ﻧﻬﺎﻳﺔ ﻓي اﻟﻄﺎﻟﺐ ﻧﻘﺎط ﻣﻌﺪل = 𝑦𝑦‬

‫اﻷوﻟى اﻟﺴﻨﺔ ﻓي اﻟﻄﻼب ﺟﻤﻴﻊ ﻧﻘﺎط ﻣﻌﺪل ﻣﺘﻮﺳﻂ = )𝑦𝑦(𝐸𝐸‬

‫اﻟﺘﻌﺮﻳﻒ )‪ :(١-٢‬اﻟﻤﺘﻐﻴﺮ اﻟﺬي ﻳﺠﺐ اﻟﺘﻨﺒﺆ ﺑﻪ أو ﻧﻤﺬﺟﺘﻪ‪ُ ،y ،‬ﻳﺴﻤﻰ اﻟﻤﺘﻐﻴﺮ اﻻﻋﺘﻤﺎدي )أو اﻟﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑي(‪.‬‬
 ‫ﻳﻌﻠﻢ اﻟﻌﻤﻴﺪ ﺑﺄن اﻟﻘﻴﻤﺔ اﻟﻔﻌﻠﻴﺔ ﻟـ ‪ y‬ﻟﻄﺎﻟﺐ ﻣﻌﻴﻦ ﺳﺘﺘﻮﻗﻒ ﻋ�ى ﻣﺴﺘﻮى اﻟﺬﻛﺎء )‪ ، (IQ‬وﻧﺘﻴﺠﺔ اﺧﺘﺒﺎر ‪،SAT‬‬
‫واﻟﺘﺨﺼﺺ اﻷﻛﺎدﻳﻤﻲ‪ ،‬واﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻌﻮاﻣﻞ اﻷﺧﺮى‪ .‬وﺑﺎﻟﺘﺎﻟي‪ ،‬ﻓﺈن اﻟﺪرﺟﺎت اﻟﺤﻘﻴﻘﻴﺔ ﻟﺠﻤﻴﻊ اﻟﻄﻼب ﻓي اﻟﺴﻨﺔ‬
‫اﻷوﻟى ﻗﺪ ﺗﻜﻮن ﺗﻮزﻋﺖ ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ )‪ .(١-٢‬وﺑﺎﻟﺘﺎﻟي‪ ،‬ﻳﻘﻮم اﻟﻌﻤﻴﺪ ﺑﻨﻤﺬﺟﺔ اﻟﺪرﺟﺔ اﻟﻨﻬﺎﺋﻴﺔ ﻟﻠﺴﻨﺔ‬
‫اﻷوﻟى ‪ y‬ﻟﻄﺎﻟﺐ ﻣﻌﻴﻦ ﻋﻦ ﻃﺮﻳﻖ ﺗﻌﻴﻴﻦ ‪ y‬ﻣﺴﺎوﻳﺎ ً ﻟﻤﺘﻮﺳﻂ درﺟﺎت اﻟﻨﻬﺎﻳﺔ )‪ E(y‬ﻟﺠﻤﻴﻊ اﻟﻄﻼب ﻓي اﻟﺴﻨﺔ اﻷوﻟى‬
‫ﺑﺎﻹﺿﺎﻓﺔ إﻟى أو ﻧﺎﻗﺺ ﻛﻤﻴﺔ ﻋﺸﻮاﺋﻴﺔ‪ ،‬واﻟﺘﻲ ﻳﺠﻬﻠﻬﺎ اﻟﻌﻤﻴﺪ؛ أي‪،‬‬

‫ﻋﺸﻮاﺋي ﺧﻄﺄ ‪y = E(y) +‬‬

‫ﻧﻈ ًﺮا ﻟﻌﺪم ﻣﻌﺮﻓﺔ اﻟﻌﻤﻴﺪ ﻟﻘﻴﻤﺔ اﻟﺨﻄﺄ اﻟﻌﺸﻮاﺋي ﻟﻄﺎﻟﺐ ﻣﻌﻴﻦ‪ ،‬ﻓﺈن إﺣﺪى اﻻﺳﺘﺮاﺗﻴﺠﻴﺎت اﻟﺘﻲ ﻳﻤﻜﻦ اﺗﺒﺎﻋﻬﺎ ﻫﻲ‬
‫ﺗﻮﻗﻊ اﻟﺪرﺟﺔ اﻟﻨﻬﺎﺋﻴﺔ ﻟﻠﻄﺎﻟﺐ اﻟﺠﺪﻳﺪ ﺑﺎﺳﺘﺨﺪام ﺗﻘﺪﻳﺮ ﻟﻠﻤﺘﻮﺳﻂ‪GPA E(y).‬‬

‫ﺟﺎ اﺣﺘﻤﺎﻟ ًﻴﺎ ﻟـ ‪ y.‬وﺗﺄﺗي ﺻﻔﺔ اﻻﺣﺘﻤﺎﻟﻴﺔ ﻣﻦ ﺣﻘﻴﻘﺔ أﻧﻪ ﻋﻨﺪﻣﺎ ﺗﺘﻮاﻓﻖ ﺑﻌﺾ اﻻﻓﺘﺮاﺿﺎت‬
‫ﺗﺴﻤﻰ ﻫﺬه اﻟﻨﻤﻮذج ﻧﻤﻮذ ً‬
‫ﺣﻮل اﻟﻨﻤﻮذج ‪ ،‬ﻳﻤﻜﻨﻨﺎ إﺻﺪار ﺑﻴﺎن اﺣﺘﻤﺎﻟي ﺣﻮل ﻣﻘﺪار اﻻﻧﺤﺮاف ﺑﻴﻦ ‪ y‬و ‪ E(y).‬ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ‪ ،‬إذا ﻛﺎن ‪y‬‬
‫ﻳﺘﻮزع ﺑﺸﻜﻞ ﻃﺒﻴﻌﻲ ﻣﻊ ﻣﺘﻮﺳﻂ ‪ ٢٫٥‬درﺟﺔ واﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ٠٫٥‬درﺟﺔ )ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ‪ ، (٢٫١‬ﻓﺈن‬
‫اﺣﺘﻤﺎل أن ﻳﻘﻊ ‪ y‬ﺿﻤﻦ ‪ ٢‬اﻧﺤﺮاﻓﺎت ﻣﻌﻴﺎرﻳﺔ )أي ‪ ١‬درﺟﺔ( ﻣﻦ ﻣﺘﻮﺳﻄﻪ ﻫﻮ ‪ .٠٫٩٥‬ﻳﻌﺘﺒﺮ اﻟﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي‬
‫اﻟﻤﻮﺿﺢ ﻓي اﻟﺼﻨﺪوق ﻫﻮ أﺳﺎس ﺟﻤﻴﻊ اﻟﻨﻤﺎذج اﻟﻤﺪرﺳﺔ ﻓي ﻫﺬا اﻟﻨﺺ‪.‬‬

‫ﻓي اﻟﻮاﻗﻊ‪ ،‬ﺳﻨﺤﺘﺎج إﻟى اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت ﻋﻴﻨﺔ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي‪ ،‬أي اﻟﻤﺘﻮﺳﻂ )‪ E(y‬واﻟﺨﻄﺄ‬
‫ً‬
‫اﻓﺘﺮاﺿﺎ ﻗﻴﺎﺳ ًﻴﺎ ﻓي اﻻﻧﺤﺪار‪ :‬أن ﻣﺘﻮﺳﻂ اﻟﺨﻄﺄ ﻳﺴﺎوي ‪ .٠‬اﺳﺘﻨﺎدًا إﻟى ﻫﺬا‬ ‫اﻟﻌﺸﻮاﺋي ‪ ε.‬ﻓي اﻟﻔﺼﻞ ‪ ،٣‬ﺗﻌﻠﻤﻨﺎ‬
‫اﻻﻓﺘﺮاض‪ ،‬ﻓﺈن أﻓﻀﻞ ﺗﻘﺪﻳﺮ ﻟﻨﺎ ﻟـ ‪ ε‬ﻫﻮ ‪ .٠‬ﻟﺬﻟﻚ‪ ،‬ﻧﺤﺘﺎج ﻓﻘﻂ إﻟى ﺗﻘﺪﻳﺮ‪E(y).‬‬

‫اﻟﺼﻴﻐﺔ اﻟﻌﺎﻣﺔ ﻟﻠﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي ﻓي اﻟﺘﺤ �ﻮل ‪y = E(y) + ε‬ﺣﻴﺚ = ‪ y‬اﻟﻤﺘﻐﻴﺮ اﻻﻋﺘﻤﺎدي = )‪E(y‬اﻟﻘﻴﻤﺔ‬
‫اﻟﻤﻔﺴﺮ(‬
‫ّ‬ ‫اﻟﻤﺘﻮﺳﻄﺔ )أو اﻟﻤﺘﻮﻗﻌﺔ( ﻟـ = ‪ y ε‬اﻟﺨﻄﺄ اﻟﻌﺸﻮاﺋي )ﻏﻴﺮ‬

‫أﺑﺴﻂ ﻃﺮﻳﻘﺔ ﻟﺘﻘﺪﻳﺮ )‪ E(y‬ﻫﻲ اﺳﺘﺨﺪام اﻟﺘﻘﻨﻴﺔ اﻟﻤﻮﺟﻮدة ﻓي اﻟﻘﺴﻢ ‪. ١٫٨‬ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬ﻳﻤﻜﻦ ﻟﻠﻌﻤﻴﺪ اﺧﺘﻴﺎر‬
‫ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ﻃﻼب اﻟﺴﻨﺔ اﻷوﻟى ﺧﻼل اﻟﻌﺎم اﻟﻤﺎﺿﻲ وﺗﺴﺠﻴﻞ ﻣﻌﺪل اﻷداء اﻷﻛﺎدﻳﻤﻲ ‪ GPA y‬ﻟﻜﻞ ﻣﻨﻬﻢ‪.‬‬
‫ﻳﻤﻜﻦ اﺳﺘﺨﺪام اﻟﻤﺘﻮﺳﻂ اﻟﻌﻴﻨﻲ ‪ ¯y‬ﻛﺘﻘﺪﻳﺮ ﻟﻠﻤﺘﻮﺳﻂ اﻟﺤﻘﻴﻘﻲ ‪ GPA E(y).‬إذا ﻗﻤﻨﺎ ﺑﺘﻌﻴﻴﻦ اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟـ ‪y‬‬
‫ﺑـˆ‪ ، y‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆ ﻟﻠﻨﻤﻮذج اﻟﺒﺴﻴﻂ ﻫﻲ ¯‪yˆ = y‬وﺑﺎﻟﺘﺎﻟي‪ ،‬ﺑﺎﺳﺘﺨﺪام ﻫﺬا اﻟﻨﻤﻮذج اﻟﺒﺴﻴﻂ‪ ،‬ﻳﺘﻢ اﺳﺘﺨﺪام‬
‫اﻟﻤﺘﻮﺳﻂ اﻟﻌﻴﻨﻲ ﻟﻤﻌﺪل اﻷداء اﻷﻛﺎدﻳﻤﻲ ‪ GPA ¯y‬ﻟﻠﺘﻨﺒﺆ ﺑﺎﻟﻤﺘﻮﺳﻂ اﻟﺤﻘﻴﻘﻲ ‪ GPA y‬ﻷي ﻃﺎﻟﺐ ﻓي ﻧﻬﺎﻳﺔ ﻋﺎﻣﻪ‬
‫اﻟﺪراﺳﻲ اﻷول‪.‬‬

‫ﻟﻸﺳﻒ‪ ،‬ﻫﺬا اﻟﻨﻤﻮذج اﻟﺒﺴﻴﻂ ﻻ ﻳﺄﺧﺬ ﻓي اﻻﻋﺘﺒﺎر ﻋﺪدًا ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺘﻲ ﺗﺮﺗﺒﻂ ﺑﺸﺪة ﺑﻤﻌﺪل اﻷداء‬
‫اﻷﻛﺎدﻳﻤﻲ ‪ GPA‬ﻟﻠﻄﺎﻟﺐ اﻟﺠﺪﻳﺪ‪ ،‬واﻟﺘﻲ ﻳﻄﻠﻖ ﻋﻠﻴﻬﺎ اﺳﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ .‬وﻣﻦ اﻟﻤﻨﻄﻘﻲ أن ﻳﻤﻜﻦ اﻟﺤﺼﻮل‬
‫ﻋ�ى ﻧﻤﻮذج أ ﻛﺜﺮ دﻗﺔ ﺑﺎﺳﺘﺨﺪام اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ( ﻣﺜﻞ اﻟﺬﻛﺎء‪ ،‬وﻧﺘﻴﺠﺔ اﺧﺘﺒﺎر‪ ، SAT‬واﻟﺘﺨﺼﺺ اﻟﺪراﺳﻲ‪ ،‬وﻣﺎ‬
 ‫إﻟى ذﻟﻚ )ﻟﺘﻘﺪﻳﺮ ‪ E(y).‬وﻋﻤﻠﻴﺔ اﻟﻌﺜﻮر ﻋ�ى اﻟﻨﻤﻮذج اﻟﺮﻳﺎﺿﻲ اﻟﺬي ﻳﺮﺑﻂ ‪ y‬ﺑﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‬
‫وﻳﻨﺎﺳﺐ أﻓﻀﻞ اﻟﺒﻴﺎﻧﺎت ﻫﻲ ﺟﺰء ﻣﻦ ﻋﻤﻠﻴﺔ ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل اﻟﻤﻌﺮوﻓﺔ ﺑﺎﺳﻢ اﻟﺘﺤﻠﻴﻞ اﻟﺘﺤ �ﻮﻟي‪.‬‬

‫اﻟﺘﻌﺮﻳﻒ ‪ :٢٫٢‬اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﻠﺘﻨﺒﺆ )أو اﻟﻨﻤﺬﺟﺔ( ﺑـ ‪ y‬ﺗﺴﻤﻰ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ وﺗُﺮﻣﺰ إﻟﻴﻬﺎ ﺑﺎﻟﺮﻣﻮز‪، x1‬‬
‫‪ ، x3 ، x2‬وﻣﺎ إﻟى ذﻟﻚ‪.‬‬

‫ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬ﻟﻨﻔﺘﺮض أن اﻟﻌﻤﻴﺪ ﻗﺮر أن ﻳﺮﺑﻂ ﻣﻌﺪل اﻷداء اﻷﻛﺎدﻳﻤﻲ ‪ GPA‬ﻟﻠﻄﺎﻟﺐ اﻟﺠﺪﻳﺪ ‪ y‬ﺑﻤﺘﻐﻴﺮ‬
‫ﻣﺴﺘﻘﻞ واﺣﺪ‪ ، x‬واﻟﺬي ﻳﻌﺮف ﺑﻨﺘﻴﺠﺔ اﺧﺘﺒﺎر ‪ SAT‬ﻟﻠﻄﺎﻟﺐ‪ .‬ﻗﺪ ﻳﻘﻮم اﻟﻌﻤﻴﺪ ﺑﺘﺤﺪﻳﺪ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ اﻟﻄﻼب‬
‫اﻟﺠﺪد‪ ،‬وﺗﺴﺠﻴﻞ ﻗﻴﻢ ‪ y‬و ‪ x‬ﻟﻜﻞ ﻃﺎﻟﺐ‪ ،‬وﻣﻦ ﺛﻢ رﺳﻤﻬﺎ ﻋ�ى اﻟﺮﺳﻢ اﻟﺒﻴﺎ�ي ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ‪ .٢٫٢‬إﻳﺠﺎد‬
‫ﻣﻌﺎدﻟﺔ اﻟﻤﻨﺤﻨﻰ اﻟﻨﺎﻋﻢ اﻟﺬي ﻳﻨﺎﺳﺐ أﻓﻀﻞ اﻟﻨﻘﺎط اﻟﺒﻴﺎﻧﻴﺔ ﻫﻮ ﺟﺰء ﻣﻦ ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل اﻟﻤﻌﺮوف ﺑﺎﺳﻢ اﻟﺘﺤﻠﻴﻞ‬
‫اﻟﺘﺤ �ﻮﻟي‪ .‬ﺑﻤﺠﺮد اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ‪ ،‬ﺗﻮﻓﺮ ﻫﺬه اﻟﻤﻌﺎدﻟﺔ )واﻟﺘﻲ ﺗﻢ وﺿﻌﻬﺎ ﻋ�ى اﻟﺮﺳﻢ اﻟﺒﻴﺎ�ي ﻓي اﻟﺸﻜﻞ ‪ (٢٫٢‬ﻧﻤﻮذ ً‬
‫ﺟﺎ‬
‫ﻟﺘﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ ‪ GPA‬ﻟﻠﻄﻼب اﻟﺠﺪد ﺑﻨﺎ ًء ﻋ�ى أي ﻧﺘﻴﺠﺔ ‪ SAT‬ﻣﺤﺪدة‪.‬‬

‫ﻳﻤﻜﻦ ﻟﻌﻤﻴﺪ اﻟﻜﻠﻴﺔ اﺳﺘﺨﺪام ﻫﺬا اﻟﻨﻤﻮذج ﻟﺘﻮﻗﻊ ﻣﻌﺪل ﻏﺮﻳﺐ اﻷﻃﻮار ﻷي ﻃﺎﻟﺐ ﻓﻴﻤﺎ ﻟﻮ ﻛﺎن ﻟﺪﻳﻪ ﻣﻌﻠﻮﻣﺎت ﻋﻦ‬
‫درﺟﺔ اﻟـ ‪SAT‬اﻟﺨﺎﺻﺔ ﺑﻪ‪ .‬وﻛﻤﺎ ﺗﺸﺎﻫﺪ ﻣﻦ اﻟﺸﻜﻞ ‪ ،٢٫٢‬ﻓﺈن اﻟﻨﻤﻮذج ﺳﻴﺘﻮﻗﻊ اﻟﻨﺘﺎﺋﺞ ﺑﺨﻄﺄ )ﺣﻴﺚ أن ﻣﻌﻈﻢ اﻟﻨﻘﺎط‬
‫ﻻ ﺗﺘﻄﺎﺑﻖ ﺑﺎﻟﻀﺒﻂ ﻣﻊ اﻟﻤﻨﺤﻨﻰ(‪ ،‬وﻟﻜﻦ ﺳﻴﻜﻮن اﻟﺨﻄﺄ أﻗﻞ ﺑﻜﺜﻴﺮ ﻣﻦ اﻟﺨﻄﺄ اﻟﻨﺎﺗﺞ ﺑﺎﺳﺘﺨﺪام اﻟﻨﻤﻮذج اﻟﺬي ﻳﻈﻬﺮ‬
‫ﻓي اﻟﺸﻜﻞ ‪ .٢٫١‬وﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ‪ ،٢٫١‬ﻓﺈن ﺗﻘﺪﻳ ًﺮا ﺟﻴﺪًا ﻟﻤﻌﺪل ﻏﺮﻳﺐ اﻷﻃﻮار ﻟﻄﺎﻟﺐ ﻏﺮﻳﺐ اﻷﻃﻮار‬
‫ﺳﻴﻜﻮن ﻗﻴﻤﺔ ﻗﺮﻳﺒﺔ ﻣﻦ وﺳﻂ اﻟﺘﻮزﻳﻊ‪ ،‬ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬اﻟﻤﺘﻮﺳﻂ‪.‬‬

‫ﺑﻤﺎ أن ﻫﺬا اﻟﺘﻨﺒﺆ ﻻ ﻳﺄﺧﺬ ﻓي اﻻﻋﺘﺒﺎر درﺟﺔ اﺧﺘﺒﺎر‪ ، SAT‬ﻓﺈن ﺧﻄﺄ اﻟﺘﻨﺒﺆ ﺳﻴﻜﻮن أ ﻛﺒﺮ ﻣﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ ﻟﻠﻨﻤﻮذج ﻓي‬
‫اﻟﺸﻜﻞ ‪ .٢٫٢‬وﺑﺎﻟﺘﺎﻟي‪ ،‬ﺳﻨﻘﻮل إن اﻟﻨﻤﻮذج اﻟﺬي ﻳﺴﺘﺨﺪم ﻣﻌﻠﻮﻣﺎت اﻟﻤﺘﻐﻴﺮ اﻟﻤﺴﺘﻘﻞ‪ ،‬درﺟﺔ اﺧﺘﺒﺎر‪ ، SAT‬ﻫﻮ‬
‫أﻓﻀﻞ ﻣﻦ اﻟﻨﻤﻮذج اﻟﻤﻤﺜﻞ ﻓي اﻟﺸﻜﻞ ‪.٢٫١‬‬

‫‪2.2‬ﻣﻠﺨﺺ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻫﻮ ﻓﺮع ﻣﻦ ﻣﻨﻬﺠﻴﺔ اﻹﺣﺼﺎء اﻟﻤﺘﻌﻠﻘﺔ ﺑﺘﻘﺪﻳﺮ ﻋﻼﻗﺔ اﺳﺘﺠﺎﺑﺔ ‪y‬‬
‫ﺑﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ أو اﻟﻤﺘﻨﺒﺌﺔ ‪ x1‬و ‪ x2‬و ‪ ...‬و ‪ xk.‬اﻟﻬﺪف ﻫﻮ ﺑﻨﺎء ﻧﻤﻮذج ﺟﻴﺪ ‪ -‬ﻣﻌﺎدﻟﺔ ﺗﻨﺒﺆ ﺗﺮﺑﻂ‬
‫‪y‬ﺑﺎﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ‪ -‬ﺳﻴﻤﻜﻨﻨﺎ ﻣﻦ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻢ ‪ y‬ﻟﻘﻴﻢ ﻣﻌﻴﻨﺔ ﻣﻦ ‪ x1‬و ‪ x2‬و ‪ ...‬و ‪ ، xk‬واﻟﻘﻴﺎم ﺑﺬﻟﻚ ﺑﺨﻄﺄ ﺗﻨﺒﺆ‬
‫ﺻﻐﻴﺮ‪ .‬ﻋﻨﺪ اﺳﺘﺨﺪام اﻟﻨﻤﻮذج ﻟﻠﺘﻨﺒﺆ ﺑﻘﻴﻢ ‪ y‬ﻟﻤﺠﻤﻮﻋﺔ ﻣﺤﺪدة ﻣﻦ ﻗﻴﻢ ‪ x1‬و ‪ x2‬و ‪ ...‬و ‪ ، xk‬ﺳﻨﺮﻳﺪ ﻗﻴﺎس ﻣﺪى‬
‫ﻣﻮﺛﻮﻗﻴﺔ اﻟﺘﻨﺒﺆ‪ .‬أي ‪ ،‬ﺳﻨﺮﻳﺪ ﻣﻌﺮﻓﺔ ﻣﺪى ارﺗﻔﺎع ﺧﻄﺄ اﻟﺘﻨﺒﺆ‪ .‬ﺟﻤﻴﻊ ﻫﺬه اﻟﻌﻨﺎﺻﺮ ﻫﻲ أﺟﺰاء ﻣﻦ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ‪،‬‬
‫وﻳﻄﻠﻖ ﻋ�ى اﻟﻤﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆﻳﺔ اﻟﻨﺎﺗﺠﺔ ﻧﻤﻮذج اﻻﻧﺤﺪار‪.‬‬

‫ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬ﻗﺪ ﻳﺮﻏﺐ ﻣﻘﺪر اﻟﻌﻘﺎرات ﻓي ﻋﻼﻗﺔ زﻳﺎدة ﻧﺴﺒﺔ اﻟﺴﻌﺮ ‪ y‬ﻟﻠﺨﺼﺎﺋﺺ اﻟﺴﻜﻨﻴﺔ ﺑﺎﻟﻤﺘﻐﻴﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ اﻟﻜﻤﻴﺔ‪ ، x1‬ﻣﺴﺎﺣﺔ اﻟﻤﺴﺎﺣﺔ اﻟﻤﺪﻓﺌﺔ‪ ،‬و‪ ،x2‬ﻣﺴﺎﺣﺔ اﻷرض‪ .‬ﻳﻤﻜﻦ ﺗﻤﺜﻴﻞ ﻫﺬا اﻟﻨﻤﻮذج ﺑﺴﻄﺢ اﻻﺳﺘﺠﺎﺑﺔ‬
‫)اﻧﻈﺮ اﻟﺸﻜﻞ ‪ (٢٫٣‬اﻟﺬي ﻳﺘﺘﺒﻊ اﻟﻤﺘﻮﺳﻂ ﻟﻨﺴﺒﺔ زﻳﺎدة اﻟﺴﻌﺮ )‪ E(y‬ﻟﻤﺨﺘﻠﻒ ﺗﺮﻛﻴﺒﺎت ‪ x1‬و‪x2.‬‬

‫ﻟﻠﺘﻨﺒﺆ ﺑﺎﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﺰﻳﺎدة اﻟﺴﻌﺮ ‪ y‬ﻟﻌﻘﺎر ﺳﻜﻨﻲ ﻣﺤﺪد ﺑﻤﺴﺎﺣﺔ ﺳﺎﺧﻨﺔ ﺗﺒﻠﻎ ‪ ٢،٠٠٠‬ﻗﺪم ﻣﺮﺑﻌﺔ وﺣﺠﻢ ﻗﻄﻌﺔ‬
‫اﻷرض ﻳﺒﻠﻎ ‪ ٠٫٧‬ﻓﺪان‪ ،‬ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻧﻘﻄﺔ ‪ x1 = 2،000‬و ‪ x2 = .7‬ﻋ�ى ﻣﺴﺘﻮى‪)x2- ، x1‬اﻧﻈﺮ اﻟﺸﻜﻞ ‪ .(٢٫٣‬ﻳﻌﻄﻲ‬
 ‫ارﺗﻔﺎع اﻟﺴﻄﺢ ﻓﻮق ﺗﻠﻚ اﻟﻨﻘﻄﺔ اﻟﻤﺘﻮﺳﻂ اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﺰﻳﺎدة اﻟﺴﻌﺮ)‪ ، E(y‬وﻫﺬا ﻗﻴﻤﺔ ﻣﻌﻘﻮﻟﺔ ﻟﻼﺳﺘﺨﺪام ﻓي‬
‫اﻟﺘﻨﺒﺆ ﺑﺎﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﺰﻳﺎدة اﻟﺴﻌﺮ ﻟﻌﻘﺎر ﺑﻤﺴﺎﺣﺔ ﺳﺎﺧﻨﺔ ﺗﺒﻠﻎ ‪ ٢،٠٠٠‬وﺣﺠﻢ ﻗﻄﻌﺔ اﻷرض ﻳﺒﻠﻎ ‪.٠٫٧‬‬

‫ُﻳﻌ �ﺪ ﺳﻄﺢ اﻻﺳﺘﺠﺎﺑﺔ أﺳﻠﻮﺑﺎ ً ﻣﻼﺋﻤﺎ ً ﻟﺘﺼﻤﻴﻢ اﺳﺘﺠﺎﺑﺔ ‪ y‬واﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋ�ى ﻣﺘﻐﻴﺮات ﻣﺴﺘﻘﻠﺔ ﻛﻤﻴﺔ وﻫﻲ ‪ x1‬و ‪x2.‬‬
‫ﻗﺪ ﻳﺘﻢ ﺗﻌﻴﻴﻦ اﻟﻤﻌﺎدﻟﺔ اﻟﺮﻳﺎﺿﻴﺔ اﻟﻤﻌﺎدﻟﺔ ﻟﺴﻄﺢ اﻻﺳﺘﺠﺎﺑﺔ اﻟﻤﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ‪ ٢٫٣‬ﺑﻮاﺳﻄﺔ اﻟﻨﻤﻮذج اﻟﺤﺎﺳﻮﺑي‪.‬‬

‫‪E(y) = β0 + β1x1 + β2x2 + β3x1x2 + β4x2^2 + β5x1^2 (E(y) = β0 + β1x1 + β2x2 + β3x1x2 +‬‬
‫)‪β4x2^2 + β5x1^2‬‬

‫ﺣﻴﺚ أن )‪ E(y‬ﻫﻮ اﻟﻤﺘﻮﺳﻂ ﻟﻨﺴﺒﺔ زﻳﺎدة اﻟﺴﻌﺮ ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ ‪ x1‬و‪ ، x2‬و‪β5 ،. . .،β1 ، β0‬ﻫﻲ ﺛﻮاﺑﺖ )أو‬
‫ﺣﺎﺳﻤﺎ ﻷﻧﻪ إذا ُﻋﺮﻓﺖ‬
‫ً‬ ‫أوزان( ذات ﻗﻴﻢ ﻳﺘﻌﻴﻦ ﺗﻘﺪﻳﺮﻫﺎ ﻣﻦ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ‪ .‬ﻳﺠﺐ ﻣﻼﺣﻈﺔ أن ﻧﻤﻮذج )‪ E(y‬ﻳﻌﺘﺒﺮ‬
‫اﻟﺜﻮاﺑﺖ‪ ، β5 ،. . .،β1 ، β0‬ﻓﺈن ﻗﻴﻢ ‪ x1‬و ‪ x2‬ﺗﺤﺪد ﺑﺎﻟﻀﺒﻂ ﻗﻴﻤﺔ‪E(y).‬‬

‫ﻣﻦ ﺧﻼل اﺳﺘﺒﺪال )‪ E(y‬ﺑـ ‪ β0 + β1x1 + β2x2 + β3x1x2 + β4x21 + β5x22‬ﻓي اﻟﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي ﻟـ‪ ، y‬ﻧﺤﺼﻞ‬
‫ﻋ�ى اﻟﻤﻌﺎدﻟﺔ اﻟﻜﺎﻣﻠﺔ ﻟـ‪y:‬‬

‫‪y = β0 + β1x1 + β2x2 + β3x1x2 + β4x21 + β5x22 + ε‬‬

‫اﻵن ﺳﻴﺤﺼﻞ ﻣﻘﻴﻢ اﻟﻌﻘﺎرات ﻋ�ى ﻋﻴﻨﺔ ﻣﻦ اﻟﺨﺼﺎﺋﺺ اﻟﺴﻜﻨﻴﺔ وﺳﺠﻞ ﻣﺴﺎﺣﺔ اﻟﻤﺮﺑﻌﺎت‪ ،x1 ،‬وﻣﺴﺎﺣﺔ اﻟﻘﻄﻌﺔ‪،‬‬
‫‪ ،x2‬ﺑﺎﻹﺿﺎﻓﺔ إﻟى اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﻠﺰﻳﺎدة‪ ،y ،‬ﻓي اﻟﻘﻴﻤﺔ اﻟﻤﻘﺪرة )اﻧﻈﺮ اﻟﻘﺴﻢ ‪ .(٢٫٤‬ﻳﺘﻴﺢ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻟﻠﺒﻴﺎﻧﺎت‬
‫اﻟﻌﻴﻨﻴﺔ ﺗﻘﺪﻳﺮ ﻣﻌﻠﻤﺎت اﻟﻨﻤﻮذج وﻳﻤﻜ �ﻦ اﻟﻤﻘﻴﻢ ﻣﻦ اﻟﺘﻨﺒﺆ‪.‬‬

‫ﻟﺘﻮﻗﻊ اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﻠﺰﻳﺎدة ‪ y‬ﻟﻌﻘﺎر ﻣﻌﻴﻦ‪ ،‬ﺗﺘﺨﺬ ﻣﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆ اﻟﺸﻜﻞ اﻟﺘﺎﻟي‪:‬‬

‫‪y = ˆβ0 + ˆβ1x1 + ˆβ2x2 + ˆβ3x1x2 + ˆβ4x21 + ˆβ5x22‬‬

‫ﺣﻴﺚ ‪ ˆy‬ﻫﻲ اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟـ‪ ، y‬و‪ˆβ5 ،... ،ˆβ1 ، ˆβ0‬ﻫﻲ ﺗﻘﺪﻳﺮات ﻟﻤﻌﻠﻤﺎت اﻟﻨﻤﻮذج‪.‬‬

‫ﻋﻤﻠ ًﻴﺎ‪ ،‬ﺳﻴﻘﻮم اﻟﻤﻘﻴﻢ ﺑﺈﻧﺸﺎء ﻧﻤﻮذج ﺣﺘﻤﻲ ﻟـ )‪ E(y‬ﻳﺄﺧﺬ ﻓي اﻻﻋﺘﺒﺎر اﻟﻤﺘﻐﻴﺮات اﻟﻜﻤﻴﺔ اﻷﺧﺮى‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﻟى‬
‫اﻟﻤﺘﻐﻴﺮات ﻏﻴﺮ اﻟﻜﻤﻴﺔ اﻟﻤﺴﺘﻘﻠﺔ‪ ،‬ﻣﺜﻞ اﻟﻤﻮﻗﻊ وﻧﻮع اﻟﺒﻨﺎء‪ .‬ﻓي اﻟﻔﺼﻮل اﻟﺘﺎﻟﻴﺔ‪ ،‬ﻧﻮﺿﺢ ﻛﻴﻔﻴﺔ إﻧﺸﺎء ﻧﻤﻮذج ﻳﺮﺗﺒﻂ‬
‫اﻻﺳﺘﺠﺎﺑﺔ ﺑﻪ وﺑﺎﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﻜﻤﻴﺔ وﻏﻴﺮ اﻟﻜﻤﻴﺔ‪ ،‬وﻧﺘﻨﺎول ﻛﻴﻔﻴﺔ ﻣﻼءﻣﺔ اﻟﻨﻤﻮذج ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت‬
‫اﻟﻌﻴﻨﻴﺔ ﺑﺎﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪.‬‬

‫اﻟﻮﺻﻒ اﻟﺴﺎﺑﻖ ﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻣﺒﺴﻂ ﻟﻠﻐﺎﻳﺔ‪ ،‬وﻟﻜﻨﻪ ﻳﻮﻓﺮ ﻧﻈﺮة ﻣﺒﺪﺋﻴﺔ ﻋ�ى اﻟﻤﻨﻬﺠﻴﺔ اﻟﺘﻲ ﺗﺸﻜﻞ ﻣﻮﺿﻮع ﻫﺬا‬
‫اﻟﻨﺺ‪ .‬ﺑﺎﻹﺿﺎﻓﺔ إﻟى ﺗﻨﺒﺆ ‪ y‬ﻟﻘﻴﻢ ﻣﺤﺪدة ﻣﻦ‪ ،xk ،... ،x2 ، x1‬ﻳﻤﻜﻦ اﺳﺘﺨﺪام ﻧﻤﻮذج اﻻﻧﺤﺪار ﻟﺘﻘﺪﻳﺮ اﻟﻘﻴﻤﺔ‬
 ‫اﻟﻤﺘﻮﺳﻄﺔ ﻟـ ‪ y‬ﻟﻘﻴﻢ ﻣﺤﺪدة ﻣﻦ‪xk ،... ،x2 ، x1‬واﻹﺟﺎﺑﺔ ﻋ�ى أﺳﺌﻠﺔ أﺧﺮى ﺗﺘﻌﻠﻖ ﺑﺎﻟﻌﻼﻗﺔ ﺑﻴﻦ ‪ y‬وأﺣﺪ اﻟﻤﺘﻐﻴﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ أو أ ﻛﺜﺮ‪ .‬ﺗُﻮﺿﺢ اﻟﻘﻴﻢ اﻟﻌﻤﻠﻴﺔ ﻟﻬﺬه اﻻﺳﺘﻨﺘﺎﺟﺎت ﻣﻦ ﺧﻼل أﻣﺜﻠﺔ ﻓي اﻟﻔﺼﻮل اﻟﺘﺎﻟﻴﺔ‪.‬‬

‫وﻧﺨﺘﻢ ﻫﺬا اﻟﻘﺴﻢ ﺑﻤﻠﺨﺺ ﻟﻠﺨﻄﻮات اﻟﺮﺋﻴﺴﻴﺔ اﻟﻤﺸﺎرﻛﺔ ﻓي ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪.‬‬

‫ﺗﺼﻤﻴﻢ ﻧﻤﻮذج اﻻﻧﺤﺪار‪ :‬إﺟﺮاءات ﺳﺪاﺳﻴﺔ‬

‫‪ .١‬اﻓﺘﺮض ﺷﻜﻞ اﻟﻨﻤﻮذج ﻟـ‪E(y).‬‬

‫‪ .٢‬ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت اﻟﻌﻴﻨﻴﺔ‪.‬‬

‫‪ .٣‬اﺳﺘﺨﺪم اﻟﺒﻴﺎﻧﺎت اﻟﻌﻴﻨﻴﺔ ﻟﺘﻘﺪﻳﺮ اﻟﻤﻌﻠﻤﺎت ﻏﻴﺮ اﻟﻤﻌﺮوﻓﺔ ﻓي اﻟﻨﻤﻮذج‪.‬‬

‫‪ .٤‬ﺣﺪد ﺗﻮزﻳﻊ اﻻﺣﺘﻤﺎل ﻟﻠﺨﻄﺄ اﻟﻌﺸﻮاﺋي وﻗﻢ ﺑﺘﻘﺪﻳﺮ أي ﻣﻌﻠﻤﺎت ﻏﻴﺮ ﻣﻌﺮوﻓﺔ ﻟﻬﺬا اﻟﺘﻮزﻳﻊ‪.‬‬

‫‪ .٥‬ﺗﺤﻘﻖ إﺣﺼﺎﺋﻴﺎ ً ﻣﻦ ﻓﺎﺋﺪة اﻟﻨﻤﻮذج‪.‬‬

‫‪ .٦‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن راﺿ ًﻴﺎ ﻋﻦ ﻓﺎﺋﺪة اﻟﻨﻤﻮذج‪ ،‬اﺳﺘﺨﺪﻣﻪ ﻟﻠﺘﻨﺒﺆ واﻟﺘﻘﺪﻳﺮ وﻣﺎ إﻟى ذﻟﻚ‪.‬‬

‫‪2.3‬ﺗﻄﺒﻴﻘﺎت اﻟﺘﺤ �ﻮل‬

‫ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل ﻟﻠﺒﻴﺎﻧﺎت ﻫﻲ أداة إﺣﺼﺎﺋﻴﺔ ﻗﻮﻳﺔ ﺟﺪًا‪ .‬ﻳﻮﻓﺮ ﻫﺬا اﻟﺘﺤﻠﻴﻞ ﺗﻘﻨﻴﺔ ﻟﺒﻨﺎء ﻣﺘﻨﺒﺊ إﺣﺼﺎﺋي ﻟﻺﺟﺎﺑﺔ وﻳﺘﻴﺢ‬
‫ﻟﻚ وﺿﻊ ﺣﺪود )ﺣﺪود ﻋﻠﻮﻳﺔ ﺗﻘﺮﻳﺒﻴﺔ( ﻋ�ى ﺧﻄﺄ اﻟﺘﻨﺒﺆ اﻟﺨﺎص ﺑﻚ‪ .‬ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬ﻓﻠﻨﻔﺘﺮض أﻧﻚ ﺗﺪﻳﺮ ﺷﺮﻛﺔ‬
‫إﻧﺸﺎءات وﺗﺮﻳﺪ اﻟﺘﻨﺒﺆ ﺑﺎﻟﺮﺑﺢ اﻟﻤﺘﻮﻗﻊ ‪ y‬ﻟﻜﻞ وﻇﻴﻔﺔ إﻧﺸﺎﺋﻴﺔ ﻛﺪاﻟﺔ ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪،... ،x2 ، x1‬‬
‫‪xk.‬إذا ﺗﻤﻜﻨﺖ ﻣﻦ اﻟﻌﺜﻮر ﻋ�ى اﻟﺘﺮﻛﻴﺒﺔ اﻟﻤﻨﺎﺳﺒﺔ ﻟﻠﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ وﻳﻤﻜﻨﻚ اﻓﺘﺮاض ﻣﻌﺎدﻟﺔ رﻳﺎﺿﻴﺔ ﻣﻌﻘﻮﻟﺔ‬
‫ﻟﻠﻌﻼﻗﺔ ﺑﻴﻦ ‪ y‬وﻫﺬه اﻟﻤﺘﻐﻴﺮات‪ ،‬ﻓﻤﻦ اﻟﻤﻤﻜﻦ أن ﺗﺴﺘﻨﺘﺞ أي ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻳﺮﺗﺒﻂ ﺳﺒﺒ ًﻴﺎ ﺑﺎﻟﺮﺑﺢ ﻟﻜﻞ‬
‫وﻇﻴﻔﺔ‪ ،‬وﻣﻦ ﺛﻢ اﻟﺴﻴﻄﺮة ﻋ�ى ﻫﺬه اﻟﻤﺘﻐﻴﺮات ﻟﺘﺤﻘﻴﻖ رﺑﺢ أﻋ�ى ﻟﻠﺸﺮﻛﺔ‪ .‬ﺑﺎﻹﺿﺎﻓﺔ إﻟى ذﻟﻚ‪ ،‬ﻳﻤﻜﻨﻚ اﺳﺘﺨﺪام‬
‫اﻟﺘﻮﻗﻌﺎت ﻓي اﻟﺘﺨﻄﻴﻂ اﻻﺳﺘﺮاﺗﻴﺠﻲ ﻟﻠﺸﺮﻛﺔ‪ .‬وﺗﻮﺿﺢ اﻷﻣﺜﻠﺔ اﻟﺘﺎﻟﻴﺔ ﺑﻌﺾ اﻟﺘﻄﺒﻴﻘﺎت اﻟﻨﺎﺟﺤﺔ ﻟﺘﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل‬
‫ﻟﻠﻤﺸﺎﻛﻞ اﻟﺤﻘﻴﻘﻴﺔ‪.‬‬

‫اﻟﻤﺜﺎل ‪ ٢٫١‬اﻟﻌﻠﻮم )وﺗﺎرﻳﺦ ﻗﺼﻴﺮ ﻟﻠﺘﺤ �ﻮل( ﺧﻼل دراﺳﺘﻪ ﻟﻠﻮراﺛﺔ اﻟﻄﺒﻴﻌﻴﺔ ﻓي ﻋﺎم ‪ ،١٨٨٦‬ﺟﻤﻊ اﻟﻌﺎﻟﻢ ﻓﺮاﻧﺴﻴﺲ‬
‫ﻏﺎﻟﺘﻮن ﺑﻴﺎﻧﺎت ﻋﻦ أﻃﻮال اﻵﺑﺎء واﻷﻃﻔﺎل اﻟﻜﺒﺎر‪ .‬ﻻﺣﻆ اﻻﺗﺠﺎه ﻟﺪى اﻵﺑﺎء اﻷﻃﻮل )أو اﻷﻗﺼﺮ( ﻹﻧﺠﺎب أﻃﻔﺎل أﻃﻮل‬
‫)أو أﻗﺼﺮ(‪ ،‬وﻟﻜﻦ ﻟﻴﺴﻮا ﺑﻄﻮل )أو ﻗﺼﺮ( ﻣﺘﻮﺳﻂ آﺑﺎﺋﻬﻢ‪ .‬وﺳﻤﺎ ﻏﺎﻟﺘﻮن ﻫﺬه اﻟﻈﺎﻫﺮة ﺑـ "ﻗﺎﻧﻮن اﻟﺘﺤ �ﻮل اﻟﺸﺎﻣﻞ"‬
‫ﻷن أﻃﻮال اﻷﻃﻔﺎل اﻟﻜﺒﺎر ﺗﻤﻴﻞ إﻟى "اﻟﺘﺤ �ﻮل" إﻟى اﻟﻤﺘﻮﺳﻂ ﻟﻠﺴﻜﺎن‪ .‬وﻣﻊ ﻣﺴﺎﻋﺪة ﺻﺪﻳﻘﻪ وﺗﻠﻤﻴﺬه ﻛﺎرل ﺑﻴﺮﺳﻮن‪،‬‬
‫ﺻﻤﻢ ﻏﺎﻟﺘﻮن ﻃﻮل اﻷﺑﻨﺎء اﻟﺒﺎﻟﻐﻴﻦ )‪ (y‬ﻛﺪاﻟﺔ ﻋ�ى ﻃﻮل اﻟﻮاﻟﺪﻳﻦ اﻷوﺳﻂ)‪ ، (x‬وﺻﺎغ ﻣﺼﻄﻠﺢ "ﻧﻤﻮذج اﻟﺘﺤ �ﻮل‪".‬‬

‫اﻟﻤﺜﺎل ‪ ٢٫٢‬ﻋﻠﻢ اﻟﻨﻔﺲ "اﻟﻌﺎﻣﻠﻮن اﻟﻤﺘﻌﺪدون" ﻫﻢ اﻟﻌﺎﻣﻠﻮن اﻟﺬﻳﻦ ﻳﺤﻤﻠﻮن وﻇﻴﻔﺘﻴﻦ ﻓي ﻧﻔﺲ اﻟﻮﻗﺖ‪ .‬ﻣﺎ ﻫﻲ‬
‫اﻟﻌﻮاﻣﻞ اﻟﺘﻲ ﺗﺆﺛﺮ ﻋ�ى اﺣﺘﻤﺎل أن ﻳﺼﺒﺢ اﻟﻌﺎﻣﻞ اﻟﻤﺘﻌﺪد ﻋﺪواﻧ ًﻴﺎ ﺗﺠﺎه ﻣﺸﺮﻓﻪ؟ ﻫﺬا ﻛﺎن ﺳﺆال اﻟﺒﺤﺚ اﻟﻤﻄﺮوح‬
‫ﻓي ﻣﺠﻠﺔ ﻋﻠﻢ اﻟﻨﻔﺲ اﻟﺘﻄﺒﻴﻘﻲ )ﻳﻮﻟﻴﻮ ‪ .(٢٠٠٥‬اﺳﺘﻨﺎدًا إﻟى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ ﻋﻴﻨﺔ ﻛﺒﻴﺮة ﻣﻦ اﻟﻌﺎﻣﻠﻴﻦ‬
‫اﻟﻤﺘﻌﺪدﻳﻦ‪ ،‬ﻗﺎم اﻟﺒﺎﺣﺜﻮن ﺑﺘﻄﺒﻴﻖ ﻋﺪة ﻧﻤﺎذج اﻧﺤﺪار ﻣﺘﻌﺪد ﻟﺪرﺟﺔ اﻟﺘﻌﺮض ﻟﻠﻌﺪواﻧﻴﺔ ﻣﻦ اﻟﻤﺸﺮف ‪ (y).‬ﺗﻢ ﺗﺤﺪﻳﺪ‬
‫اﻟﻌﻮاﻣﻞ اﻟﻤﺘﻨﺒﺌﺔ اﻷﻛﺜﺮ أﻫﻤﻴﺔ ﻟـ ‪ y‬ﻫﻲ اﻟﻌﻤﺮ واﻟﺠﻨﺲ وﻣﺴﺘﻮى اﻟﺜﻘﺔ ﺑﺎﻟﻨﻔﺲ وﺗﺎرﻳﺦ اﻟﻌﺪواﻧﻴﺔ وﻣﺴﺘﻮى ﺳﻮء‬
‫اﻟﻤﻌﺎﻣﻠﺔ ﻣﻦ اﻟﻤﺸﺮف وﺗﺼﻮر اﻟﻈﻠﻢ ﻓي إﺣﺪى اﻟﻮﻇﺎﺋﻒ‪.‬‬

‫اﻟﻤﺜﺎل ‪ ٢٫٣‬اﻟﺠﻐﺮاﻓﻴﺎ ﻫﻞ ﻳﻤﻜﻦ ﺗﻘﺪﻳﺮ ﻋﺪد ﺳﻜﺎن ﻣﻨﻄﻘﺔ ﺣﻀﺮﻳﺔ دون إﺟﺮاء ﺗﻌﺪاد؟ ﻓي ‪Geographical Analysis‬‬
‫)ﻛﺎﻧﻮن اﻟﺜﺎ�ي ‪ /‬ﻳﻨﺎﻳﺮ ‪ ،(٢٠٠٧‬أﻇﻬﺮ أﺳﺎﺗﺬة اﻟﺠﻐﺮاﻓﻴﺎ ﻓي ﺟﺎﻣﻌﺔ وﻳﺴﻜﻮﻧﺴﻦ‪-‬ﻣﻴﻠﻮوﻛﻲ وﺟﺎﻣﻌﺔ وﻻﻳﺔ أوﻫﺎﻳﻮ‬
‫اﺳﺘﺨﺪام ﺧﺮاﺋﻂ اﻟﺼﻮر اﻟﻔﻀﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ اﻟﺴﻜﺎن اﻟﺤﻀﺮﻳﻴﻦ‪ .‬ﺗﻢ ﺗﺠﺰﺋﺔ ﺟﺰء ﻣﻦ ﻛﻮﻟﻮﻣﺒﻮس‪ ،‬أوﻫﺎﻳﻮ‪ ،‬إﻟى ‪n = 125‬‬
‫ﻣﺠﻤﻮﻋﺔ ﺑﻴﺎﻧﺎت ﺗﻌﺪادﻳﺔ وﺗﻢ اﻟﺤﺼﻮل ﻋ�ى ﺻﻮر اﻷﻗﻤﺎر اﻟﺼﻨﺎﻋﻴﺔ‪ .‬ﺗﻢ اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﻟﻨﻤﺬﺟﺔ‬
‫اﻟﻜﺜﺎﻓﺔ اﻟﺴﻜﺎﻧﻴﺔ )‪ (y‬ﻛﺪاﻟﺔ ﻣﻦ ﻧﺴﺒﺔ اﻟﻤﻨﻄﻘﺔ ذات اﻷﺣﻴﺎء ذات اﻟﻜﺜﺎﻓﺔ اﻟﻤﻨﺨﻔﻀﺔ )‪ (x1‬وﻧﺴﺒﺔ اﻟﻤﻨﻄﻘﺔ ذات‬
‫اﻷﺣﻴﺎء ذات اﻟﻜﺜﺎﻓﺔ اﻟﻌﺎﻟﻴﺔ‪(x2).‬‬

‫اﻟﻤﺜﺎل ‪ ٢٫٤‬اﻟﻤﻮﺳﻴﻘﻰ ﻓي ﻣﻘﺎﻟﺔ ﻧُﺸﺮت ﻓي ﻣﺠﻠﺔ ‪ Chance‬ﺧﺮﻳﻒ ‪ ،٢٠٠٤‬ﻗﺪّم اﻟﺒﺮوﻓﻴﺴﻮر ﺟﺎن ﺑﻴﺮان‪ ،‬أﺳﺘﺎذ‬
‫ً‬
‫دﻟﻴﻼ ﻛﻤ ًﻴﺎ ﻟﻮﺻﻒ ﺟﻮاﻧﺐ ﻣﻌﻴﻨﺔ ﻣﻦ اﻟﻤﻮﺳﻴﻘﻰ ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج اﻻﻧﺤﺪار‪.‬‬ ‫اﻹﺣﺼﺎء ﻓي ﺟﺎﻣﻌﺔ ﻛﻮﻧﺴﺘﺎﻧﺰ ﻓي أﻟﻤﺎﻧﻴﺎ‪،‬‬
‫وﺟﺪ أن ﻣﺤﺘﻮى اﻟﻤﻌﻠﻮﻣﺎت ‪ y‬ﻟﻠﺘﻜﻮﻳﻦ اﻟﻤﻮﺳﻴﻘﻲ )اﻟﺬي ُﻳﻄﻠﻖ ﻋﻠﻴﻪ اﻻﻧﺘﺮوﺑﻴﺎ‪ ،‬و ُﻳﻘﺎس ﺑﻤﺪى ﺗﻜﺮار ﻧﻐﻤﺔ ﻣﻌﻴﻨﺔ(‬
‫اﻟﻤﻠﺤﻦ‪ ، x‬وذﻟﻚ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﺘﻜﻮﻳﻨﺎت اﻟﻤﻮﺳﻴﻘﻴﺔ اﻟﺸﻬﻴﺮة اﻟﺘﻲ ﺗﺮاوﺣﺖ ﺑﻴﻦ اﻟﻘﺮن‬
‫ﻳﺮﺗﺒﻂ ﺑﺸﻜﻞ ﺧﻄﻲ ﺑﺴﻨﺔ ﻣﻴﻼد ُ‬
‫اﻟﺜﺎﻟﺚ ﻋﺸﺮ واﻟﻘﺮن اﻟﻌﺸﺮﻳﻦ‪.‬‬

‫اﻟﻤﺜﺎل ‪ ٢٫٥‬اﻟﻤﺤﺎﺳﺒﺔ‬

‫دراﺳﺔ ﻟﺼﻔﺎت اﻟﻤﺎﻛﻴﺎﻓﻴﻠﻴﺔ )ﻣﺜﻞ اﻟﺼﻔﺎت اﻟﺴﻠﺒﻴﺔ ﻣﺜﻞ اﻟﺘﻼﻋﺐ واﻟﺤﻴﻠﺔ واﻟﻐﺶ واﻟﺨﺪاع واﻟﺨﺒﺚ( ﻓي ﺣﺴﺎﺑﺎت‬
‫اﻟﺤﺴﺎﺑﺎت ﻧﺸﺮت ﻓي اﻟﺒﺤﺚ اﻟﺴﻠﻮﻛﻲ ﻓي اﻟﻤﺤﺎﺳﺒﺔ )ﻳﻨﺎﻳﺮ ‪ .(٢٠٠٨‬ﺗﻢ اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد ﻟﻨﻤﺬﺟﺔ درﺟﺔ‬
‫ﺗﺼﻨﻴﻒ اﻟﻤﺎﻛﻴﺎﻓﻴ�ي )"‪ ( "Mach‬ﻟﻤﺤﺎﺳﺐ ﻛﺪاﻟﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﻌﻤﺮ واﻟﺠﻨﺲ واﻟﺘﻌﻠﻴﻢ واﻟﺪﺧﻞ‪ .‬ﺗﻢ‬
‫اﻟﻌﺜﻮر ﻋ�ى أن اﻟﺪﺧﻞ ﻫﻮ اﻟﻮﺣﻴﺪ اﻟﺬي ﻳﺆﺛﺮ ﺑﺸﻜﻞ ﻛﺒﻴﺮ ﻋ�ى درﺟﺔ ﺗﺼﻨﻴﻒ‪Mach.‬‬

‫اﻟﻤﺜﺎل ‪ ٢٫٦‬اﻟﻬﻨﺪﺳﺔ ﺧﻼل ﻓﺘﺮات اﻟﻄﻠﺐ اﻟﻜﻬﺮﺑﺎﺋي اﻟﻌﺎﻟي‪ ،‬وﺧﺼﻮﺻﺎ ً ﺧﻼل أﺷﻬﺮ اﻟﺼﻴﻒ اﻟﺤﺎرة‪ ،‬ﻳﻤﻜﻦ أن ﻳﻨﺨﻔﺾ‬
‫إﻧﺘﺎﺟﻴﺔ ﻣﺤﺮك اﻟﻐﺎز اﻟﺘﻮرﺑﻴﻨﻲ ﺑﺸﻜﻞ ﻛﺒﻴﺮ‪ .‬ﻳﻤﻜﻦ ﺗﻌﻮﻳﺾ ﻫﺬا اﻻﻧﺨﻔﺎض ﻓي اﻟﻘﺪرة ﺑﺘﺒﺮﻳﺪ اﻟﻬﻮاء اﻟﻮارد إﻟى اﻟﻤﺤﺮك‬
‫اﻟﺘﻮرﺑﻴﻨﻲ ﺑﻄﺮﻳﻘﺔ ﺗﺴﻤﻰ "اﻟﺮذاذ اﻟﻌﺎﻟي ﻟﻠﻬﻮاء اﻟﻮارد"‪ .‬ﺗﻤﺖ دراﺳﺔ أداء ﻣﺤﺮك ﻏﺎزي ﻣﺤﺴﻦ ﺑﺎﻟﺮذاذ اﻟﻌﺎﻟي ﻟﻠﻬﻮاء‬
‫اﻟﻮارد ﻓي ﻣﺠﻠﺔ اﻟﻬﻨﺪﺳﺔ ﻟﻠﻤﺤﺮﻛﺎت اﻟﺘﻮرﺑﻴﻨﻴﺔ واﻟﻄﺎﻗﺔ )ﻳﻨﺎﻳﺮ ‪ .(٢٠٠٥‬وﻗﺪ ا ﻛﺘﺸﻒ أن إﺣﺪى اﻟﻤﺘﻐﻴﺮات اﻷﺳﺎﺳﻴﺔ‬
‫ﻟﻸداء وﻫﻲ ﻣﻌﺪل اﻟﺤﺮارة )ﻛﻴﻠﻮﺟﻮل ﻟﻜﻞ ﻛﻴﻠﻮ واط ﻓي اﻟﺴﺎﻋﺔ( ﺗﺮﺗﺒﻂ ﺑﺎﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ ،‬ﻣﺜﻞ‬
‫ﺳﺮﻋﺔ اﻟﺪورة )دورة ﻓي اﻟﺪﻗﻴﻘﺔ(‪ ،‬ودرﺟﺔ ﺣﺮارة اﻟﻬﻮاء اﻟﻮارد )درﺟﺔ ﻣﺌﻮﻳﺔ(‪ ،‬ودرﺟﺔ ﺣﺮارة اﻟﻌﺎدم )درﺟﺔ ﻣﺌﻮﻳﺔ(‪،‬‬
‫وﻧﺴﺒﺔ اﻟﻀﻐﻂ ﻟﻠﺪورة‪ ،‬وﻣﻌﺪل ﺗﺪﻓﻖ اﻟﻬﻮاء اﻟﻮارد )ﻛﻴﻠﻮﺟﺮام ﻓي اﻟﺜﺎﻧﻴﺔ(‪.‬‬

‫داﺋﻤﺎ ﻋ�ى أﻫﺪاف اﻟﺸﺮﻛﺔ؟ درس‬

‫ً‬ ‫‪2.7‬اﻹدارة ﻫﻞ ﻳﺘﻔﻖ اﻟﻤﺪراء اﻟﺘﻨﻔﻴﺬﻳﻮن )اﻟﻤﺪﻳﺮون اﻟﻌﺎﻣﻮن( وأﻋ�ى ﻣﺪﻳﺮﻳﻬﻢ‬
‫ﺗﻄﺎﺑﻖ أﻫﻤﻴﺔ اﻷﻫﺪاف ﺑﻴﻦ اﻟﻤﺪﻳﺮﻳﻦ اﻟﺘﻨﻔﻴﺬﻳﻴﻦ وﻧﻮاب اﻟﺮﺋﻴﺲ )اﻟﻨﻮاب( ﻓي أ ﻛﺎدﻳﻤﻴﺔ إدارة اﻷﻋﻤﺎل )ﻓﺒﺮاﻳﺮ ‪.(٢٠٠٨‬‬
‫اﺳﺘﺨﺪم اﻟﺒﺎﺣﺜﻮن اﻟﺘﺤ �ﻮل اﻟﻤﺘﻌﺪد ﻟﻨﻤﺬﺟﺔ ﻣﻮﻗﻒ ﻧﺎﺋﺐ اﻟﺮﺋﻴﺲ ﺗﺠﺎه اﻟﻬﺪف ﻣﻦ ﺗﺤﺴﻴﻦ اﻟﻜﻔﺎءة )‪ (y‬ﻛﺪاﻟﺔ‬
‫ﻟﻠﻤﺘﻐﻴﺮﻳﻦ اﻟﻤﺴﺘﻘﻠﻴﻦ‪ ،‬ﻣﺴﺘﻮى ﻗﻴﺎدة اﻟﻤﺪﻳﺮ اﻟﺘﻨﻔﻴﺬي )‪ (x1‬وﻣﺴﺘﻮى اﻟﺘﻄﺎﺑﻖ ﺑﻴﻦ اﻟﻤﺪﻳﺮ اﻟﺘﻨﻔﻴﺬي واﻟﻨﺎﺋﺐ‬
‫اﻟﺮﺋﻴﺲ ‪ (x2).‬ا ﻛﺘﺸﻔﻮا أن ﺗﺄﺛﻴﺮ ﻗﻴﺎدة اﻟﻤﺪﻳﺮ اﻟﺘﻨﻔﻴﺬي ﻋ�ى ﻣﻮﻗﻒ ﻧﺎﺋﺐ اﻟﺮﺋﻴﺲ ﺗﺠﺎه ﺗﺤﺴﻴﻦ اﻟﻜﻔﺎءة ﻳﺘﻮﻗﻒ ﻋ�ى‬
‫ﻣﺴﺘﻮى اﻟﺘﻄﺎﺑﻖ‪.‬‬

‫ﻋﺎﻣﺎ‪ ،‬ﻗﺒﻠﺖ اﻟﻤﺤﺎﻛﻢ دﻟﻴﻞ "ﻣﺘﻼزﻣﺔ اﻟﻤﺮأة اﻟﻤﻌﻨﻔﺔ" ﻛﺪﻓﺎع ﻓي ﺣﺎﻻت اﻟﻘﺘﻞ‪ .‬ﻓي ﻣﻘﺎل ﻧُﺸﺮ‬
‫‪2.8‬اﻟﻘﺎﻧﻮن ﻷﻛﺜﺮ ﻣﻦ ‪ً ٢٠‬‬
‫ﻓي ﻣﺠﻠﺔ ﻗﺎﻧﻮن وﺳﻴﺎﺳﺔ اﻟﺠﻨﺪر ﻓي ﺟﺎﻣﻌﺔ دوك )ﺻﻴﻒ ‪ ،(٢٠٠٣‬ﺗﻢ دراﺳﺔ ﺗﺄﺛﻴﺮ ﺷﻬﺎدة اﻟﺨﺒﻴﺮ ﻋ�ى ﻧﺘﻴﺠﺔ‬
‫ﻣﺤﺎﻛﻤﺎت اﻟﻘﺘﻞ اﻟﺘﻲ ﺗﺘﻀﻤﻦ ﻣﺘﻼزﻣﺔ اﻟﻤﺮأة اﻟﻤﻌﻨﻔﺔ‪ .‬ﺑﺎﺳﺘﺨﺪام اﻟﺒﻴﺎﻧﺎت اﻟﻤﺠﻤﻌﺔ ﻋﻦ أﺻﻮات اﻟﻘﻀﺎة اﻟﻔﺮدﻳﺔ‬
‫ﻣﻦ اﻟﻤﺤﺎﻛﻤﺎت اﻟﺴﺎﺑﻘﺔ‪ ،‬أﻓﺎد اﻟﻤﻘﺎل ﺑﺄن "ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﺷﻬﺎدة اﻟﺨﺒﻴﺮ ﻣﻮﺟﻮدة‪ ،‬ﻓﺈن اﻟﻨﺴﺎء اﻟﻘﺎﺿﻴﺎت أ ﻛﺜﺮ ﻋﺮﺿﺔ‬
‫ﻟﺘﻐﻴﻴﺮ ﺣﻜﻢ اﻟﺒﺮاءة إﻟى اﻹداﻧﺔ ﺑﻌﺪ اﻟﺘﺪاول ﻣﻦ اﻟﺮﺟﺎل"‪ .‬ﺗﻢ اﻟﺤﺼﻮل ﻋ�ى ﻫﺬه اﻟﻨﺘﻴﺠﺔ ﻣﻦ ﻧﻤﻮذج ﺗﺤ �ﻮل ﻣﺘﻌﺪد‬
‫ﻻﺣﺘﻤﺎﻟﻴﺔ ﺗﻐﻴﻴﺮ ﺣﻜﻢ اﻟﺒﺮاءة إﻟى اﻹداﻧﺔ ﺑﻌﺪ اﻟﺘﺪاول‪ ،y ،‬ﻛﺪاﻟﺔ ﻟﻤﺘﻐﻴﺮي ﺟﻨﺲ اﻟﻘﺎﺿﻲ )ذﻛﺮ أو أﻧﺜﻰ( وﺷﻬﺎدة اﻟﺨﺒﻴﺮ‬
‫)ﻧﻌﻢ أو ﻻ(‪.‬‬

‫‪2.9‬اﻟﺘﻌﻠﻴﻢ ﺗﻢ ﺗﺤﻠﻴﻞ درﺟﺎت اﺧﺘﺒﺎر اﻟﻘﺒﻮل اﻟﻤﻮﺣﺪ )‪ (SAT‬ﻟـ ‪ ٣٬٤٩٢‬ﻃﺎﻟ ًﺒﺎ ﻓي اﻟﻤﺪارس اﻟﺜﺎﻧﻮﻳﺔ واﻟﺠﺎﻣﻌﺎت‪،‬‬
‫ﻣﺪرﺳﺎ ﺧﺼﻮﺻ ًﻴﺎ ﻓي ﻣﺤﺎوﻟﺔ ﻟﻠﺤﺼﻮل ﻋ�ى درﺟﺔ أﻋ�ى‪ ،‬ﻓي ﻣﺠﻠﺔ ‪) Chance‬ﺷﺘﺎء ‪ .(٢٠٠١‬ﺗﻢ‬
‫ً‬ ‫ﺑﻌﻀﻬﻢ دﻓﻌﻮا‬
‫اﺳﺘﺨﺪام اﻟﺘﺤ �ﻮل اﻟﻤﺘﻌﺪد ﻟﺘﻘﺪﻳﺮ ﺗﺄﺛﻴﺮ اﻟﺘﺪرﻳﺐ ﻋ�ى درﺟﺔ اﻟﺮﻳﺎﺿﻴﺎت ﻓي اﺧﺘﺒﺎر‪y. ، SAT‬وﺗﻢ ﺗﻀﻤﻴﻦ اﻟﻤﺘﻐﻴﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ ﻓي اﻟﻨﻤﻮذج‪ ،‬ﻋﻼﻣﺎت ‪ PSAT‬وﻣﺎ إذا ﻛﺎن اﻟﻄﺎﻟﺐ ﻳﺘﻠﻘﻰ ﺗﺪرﻳ ًﺒﺎ‪ ،‬ﻋﺮق اﻟﻄﺎﻟﺐ‪ ،‬اﻟﻮﺿﻊ اﻻﻗﺘﺼﺎدي‪ ،‬اﻟﻤﻌﺪل‬
‫اﻟﻌﺎم ﻓي اﻟﻤﺪرﺳﺔ اﻟﺜﺎﻧﻮﻳﺔ‪ ،‬ﻋﺪد اﻟﺪورات اﻟﺮﻳﺎﺿﻴﺔ اﻟﺘﻲ ﺗﻢ اﺗﺨﺎذﻫﺎ ﻓي اﻟﻤﺪرﺳﺔ اﻟﺜﺎﻧﻮﻳﺔ‪ ،‬واﻟﻤﻌﺪل اﻟﻌﺎم ﻟﺪورات‬
‫اﻟﺮﻳﺎﺿﻴﺎت‪.‬‬

‫‪2.10‬اﻟﺼﺤﺔ اﻟﻌﻘﻠﻴﺔ ﺗﻤﺖ دراﺳﺔ درﺟﺔ اﻟﺘﻜﻴﻒ ﻟﻌﻤﻼء ﻗﺴﻢ اﻟﺼﺤﺔ اﻟﻌﻘﻠﻴﺔ وﺧﺪﻣﺎت اﻹدﻣﺎن ﻓي ﻛﻮﻧﻴﺘﻴﻜﺖ ﻣﻊ‬
‫اﻟﻤﺠﺘﻤﻊ اﻟﻤﺤﻴﻂ ﺑﻬﻢ ﻓي ﻣﺠﻠﺔ اﻟﺼﺤﺔ اﻟﻌﻘﻠﻴﺔ اﻟﻤﺠﺘﻤﻌﻴﺔ )أﻏﺴﻄﺲ ‪ .(٢٠٠٠‬ﺗﻢ اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل اﻟﻤﺘﻌﺪد‬
‫ﻟﻨﻤﺬﺟﺔ اﻟﻤﺘﻐﻴﺮ اﻟﻤﻌﺘﻤﺪ‪ ،‬ﺗﻜﻴﻒ اﻟﻤﺠﺘﻤﻊ ‪) y‬اﻟﺬي ﻳﺘﻢ ﻗﻴﺎﺳﻪ ﻛﻤﻴﺔ‪ ،‬ﺣﻴﺚ ﺗﺸﻴﺮ اﻟﻨﺘﺎﺋﺞ اﻟﻤﻨﺨﻔﻀﺔ إﻟى ﺗﻜﻴﻒ‬
‫أﻓﻀﻞ(‪ .‬وﻗﺪ ﺗﻀﻤﻦ اﻟﻨﻤﻮذج ﻣﺠﻤﻮﻋﺔ ﻣﻦ ‪ ٢١‬ﻣﺘﻐﻴ ًﺮا ﻣﺴﺘﻘﻼ ً ﻣﺼﻨﻔﺔ ﻋ�ى اﻟﻨﺤﻮ اﻟﺘﺎﻟي‪ :‬ﻣﺘﻐﻴﺮات ﺳﻜﺎﻧﻴﺔ )أرﺑﻌﺔ‬
‫ﻣﺘﻐﻴﺮات( وﺗﺸﺨﻴﺼﻴﺔ )ﺳﺒﻌﺔ ﻣﺘﻐﻴﺮات( وﻋﻼﺟﻴﺔ )أرﺑﻌﺔ ﻣﺘﻐﻴﺮات( وﻣﺠﺘﻤﻌﻴﺔ )ﺳﺘﺔ ﻣﺘﻐﻴﺮات(‪.‬‬

‫ﺣﺎﺳﻤﺎ‬
‫ً‬ ‫‪2.4‬ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻟﻼﻧﺤﺪار ُﻳﺬﻛﺮ ﻓي اﻟﺠﺰء ‪ ٢٫٢‬أن اﻟﺨﻄﻮة اﻷوﻟى ﻓي ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻫﻲ ﺗﻔﺘﺮض ﻧﻤﻮذ ً‬
‫ﺟﺎ‬
‫ﺟﺎ ﻟـ )‪، E(y‬‬
‫ﻟﻠﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑﺔ اﻟﻤﺘﻮﺳﻂ ))‪ (E(y‬ﻛﺪاﻟﺔ ﻟﻤﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ واﺣﺪ أو أ ﻛﺜﺮ‪ .‬ﺑﻤﺠﺮد أن ﻳﺘﻢ ﺗﻔﺘﺮض ﻧﻤﻮذ ً‬
‫ﻓﺈن اﻟﺨﻄﻮة اﻟﺘﺎﻟﻴﺔ ﻫﻲ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت اﻟﻌﻴﻨﻴﺔ اﻟﺘﻲ ﺳﺘﺴﺘﺨﺪم ﻟﺘﻘﺪﻳﺮ ﻣﻌﻠﻤﺎت اﻟﻨﻤﻮذج ﻏﻴﺮ اﻟﻤﻌﺮوﻓﺔ ‪(β).‬‬
‫وﻳﻨﻄﻮي ذﻟﻚ ﻋ�ى ﺟﻤﻊ ﻣﻼﺣﻈﺎت ﻋ�ى ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑﺔ ‪ y‬واﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ ،xk ،... ،x2 ، x1‬ﻟﻜﻞ‬
‫وﺣﺪة ﺗﺠﺮﻳﺒﻴﺔ ﻓي اﻟﻌﻴﻨﺔ‪ .‬وﺑﺎﻟﺘﺎﻟي ‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ اﻟﺘﻲ ﺳﻴﺘﻢ ﺗﺤﻠﻴﻠﻬﺎ ﺑﻮاﺳﻄﺔ اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻳﺘﻀﻤﻦ ﻣﻼﺣﻈﺎت ﻋ�ى‬
‫ﻋﺪة ﻣﺘﻐﻴﺮات‪xk) ،... ،x2 ،x1 ، (y‬وﻟﻴﺲ ﻣﺘﻐﻴﺮ واﺣﺪ‪.‬‬

‫اﻟﺒﻴﺎﻧﺎت اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓي اﻟﺘﺤﻠﻴﻞ اﻻﺣﺼﺎﺋي ﺑﺎﻻﻋﺘﻤﺎد ﻋ�ى اﻻﻧﺤﺪار ﻳﻤﻜﻦ أن ﺗﻜﻮن ﻣﻦ ﻧﻮﻋﻴﻦ‪ :‬ﺑﻴﺎﻧﺎت ﻣﺮاﻗﺒﺔ أو‬
‫ﺗﺠﺮﻳﺒﻴﺔ‪ .‬ﺑﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﺗﺤﺼﻞ ﻋﻠﻴﻬﺎ إذا ﻟﻢ ﻳﺘﻢ ﻣﺤﺎوﻟﺔ اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ )اﻟﻤﺘﻐﻴﺮات‬
‫اﻟﺘﻨﺒﺆﻳﺔ(‪ .‬ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬إذا ﻛﻨﺖ ﺗﺮﻳﺪ ﻧﻤﺬﺟﺔ ﺗﻌﻮﻳﺾ اﻟﻤﺪﻳﺮ اﻟﺘﻨﻔﻴﺬي اﻟﺴﻨﻮي‪ ، y‬ﻳﻤﻜﻦ اﻟﺤﺼﻮل ﻋ�ى‬
‫اﻟﺒﻴﺎﻧﺎت ﻟﻠﺘﺤﻠﻴﻞ ﺑﺎﻻﻋﺘﻤﺎد ﻋ�ى اﻻﻧﺤﺪار ﺑﺘﺤﺪﻳﺪ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ‪ n = 100‬ﻣﻦ اﻟﻤﺪﻳﺮﻳﻦ اﻟﺘﻨﻔﻴﺬﻳﻴﻦ وﺗﺴﺠﻴﻞ‬
 ‫ﻗﻴﻤﺔ ‪ y‬وﻗﻴﻢ ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﺘﻨﺒﺆﻳﺔ‪ .‬ﻳﺘﻢ ﻋﺮض ﺑﻴﺎﻧﺎت أول ﺧﻤﺴﺔ ﻣﺪﻳﺮﻳﻦ ﺗﻨﻔﻴﺬﻳﻴﻦ ﻓي اﻟﻌﻴﻨﺔ ﻓي اﻟﺠﺪول‬
‫‪. [٢٫١‬ﻳﺠﺐ ﻣﻼﺣﻈﺔ أن ﻓي ﻫﺬا اﻟﻤﺜﺎل‪ ،‬ﻟﻢ ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ ،‬ﻣﺜﻞ اﻟﺨﺒﺮة واﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ‬
‫وﻋﺪد اﻟﻤﻮﻇﻔﻴﻦ اﻟﻤﺸﺮﻓﻴﻦ ﻋﻠﻴﻬﻢ‪ ،‬وﻣﺎ إﻟى ذﻟﻚ‪ ،‬ﻣﺴﺒ ًﻘﺎ ﻗﺒﻞ ﻣﺮاﻗﺒﺔ اﻟﺮاﺗﺐ‪ y‬؛ وﺑﺎﻟﺘﺎﻟي‪ ،‬ﻓﺈن ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ ﻫﻲ‬
‫ﺑﻴﺎﻧﺎت ﻣﺮاﻗﺒﺔ]‪.‬‬

‫ﺗﻌﺮﻳﻒ ‪ ٢٫٣‬إذا ﻛﺎﻧﺖ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ )‪ (x's‬ﻓي اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ﻏﻴﺮ ُﻣﺤﻜَﻤﺔ( أي ﻟﻢ ﻳﺘﻢ ﺗﻌﻴﻴﻨﻬﺎ‬
‫ﻣﺴﺒ ًﻘﺎ ﻗﺒﻞ ﻣﺸﺎﻫﺪة ﻗﻴﻤﺔ )‪ y‬وﻟﻜﻨﻬﺎ ﺗُﻘﺎس ﺑﺪون أي أﺧﻄﺎء‪ ،‬ﻓﺈن اﻟﺒﻴﺎﻧﺎت ﺗﻜﻮن ﻣﺮاﻗﺒﺔ‪.‬‬

‫ﻛﻢ ﻳﺠﺐ أن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﻤﺨﺘﺎرة ﻋﻨﺪ ﺗﻄﺒﻴﻖ اﻻﻧﺤﺪار ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﻤﻼﺣﻈﺔ؟ ﻓي اﻟﻘﺴﻢ ‪ ،١٫٨‬ﺗﻌﻠﻤﻨﺎ أﻧﻪ‬
‫ﻋﻨﺪ ﺗﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ اﻟﺴﻜﺎن‪ ،‬ﺳﻴﻌﺘﻤﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ n‬ﻋ�ى )‪ (١‬اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﺴﻜﺎن اﻟﻤﻘﺪر‪ (٢) ،‬ﻣﺴﺘﻮى‬
‫اﻟﺜﻘﺔ‪ ،‬و )‪ (٣‬اﻟﻨﺼﻒ اﻟﻌﺮض اﻟﻤﺮﻏﻮب ﻟﻔﺎﺻﻞ اﻟﺜﻘﺔ اﻟﻤﺴﺘﺨﺪم ﻟﺘﻘﺪﻳﺮ اﻟﻤﺘﻮﺳﻂ‪ .‬ﻷن اﻻﻧﺤﺪار ﻳﺘﻀﻤﻦ ﺗﻘﺪﻳﺮ‬
‫اﻻﺳﺘﺠﺎﺑﺔ اﻟﻤﺘﻮﺳﻄﺔ‪ ،E(y) ،‬ﺳﻴﻌﺘﻤﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻋ�ى ﻫﺬه اﻟﻌﻮاﻣﻞ اﻟﺜﻼﺛﺔ‪ .‬وﻣﻊ ذﻟﻚ‪ ،‬ﻓﺈن اﻟﻤﺸﻜﻠﺔ ﻟﻴﺴﺖ‬
‫ﺑﺴﻴﻄﺔ ﻛﻤﺎ ﻫﻮ اﻟﺤﺎل ﻓي اﻟﻘﺴﻢ ‪ ،١٫٨‬ﺣﻴﺚ ﻳﺘﻢ ﻧﻤﺬﺟﺔ )‪ E(y‬ﻛﺪاﻟﺔ ﻋﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ ،‬وﻳﺠﺐ‬
‫ﺗﻘﺪﻳﺮ اﻟﻤﻌﻠﻤﺎت اﻹﺿﺎﻓﻴﺔ ﻓي اﻟﻨﻤﻮذج )أي اﻟﺒﻴﺘﺎ(‪ .‬ﻓي اﻻﻧﺤﺪار‪ ،‬ﻳﺠﺐ أن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺎﻓ ًﻴﺎ ﺑﺤﻴﺚ ﻳﻜﻮن‬
‫ﺑﺈﻣﻜﺎن ﺗﻘﺪﻳﺮ واﺧﺘﺒﺎر ‪ β's.‬ﻫﺬا ﻟﻦ ﻳﺤﺪث إﻻ إذا ﻛﺎن ‪ n‬ﻋ�ى اﻷﻗﻞ ﺑﺤﺠﻢ ﻋﺪد اﻟﻤﻌﻠﻤﺎت ‪ β‬اﻟﻤﺪرﺟﺔ ﻓي اﻟﻨﻤﻮذج ﻟـ‬
‫‪E(y).‬ﻟﻀﻤﺎن ﺣﺠﻢ ﻋﻴﻨﺔ ﻛﺎﻓي‪ ،‬ﻓﺈن ﻗﺎﻋﺪة ﺟﻴﺪة ﻫﻲ ﺗﺤﺪﻳﺪ ‪ n‬ﺑﺄﻛﺜﺮ ﻣﻦ أو ﻳﺴﺎوي ‪ ١٠‬ﻣﺮات ﻋﺪد ﻣﻌﺎﻣﻼت ‪ β‬ﻓي‬
‫اﻟﻨﻤﻮذج‪.‬‬

‫ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬ﻟﻨﻔﺘﺮض أن ﺷﺮﻛﺔ اﺳﺘﺸﺎرﻳﺔ ﺗﺮﻳﺪ اﺳﺘﺨﺪام اﻟﻨﻤﻮذج اﻟﺘﺎﻟي ﻟﻠﺘﻌﻮﻳﺾ اﻟﺴﻨﻮي‪ ،y ،‬ﻟﺘﻨﻔﻴﺬي‬
‫ﺷﺮﻛﺔ‪:‬‬

‫‪E(y) = β0 + β1x1 + β2x2 +· · ·+β7x7‬‬

‫اﻟﺒﻴﺎﻧﺎت اﻟﺜﺎﻧﻴﺔ ﻓي اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري‪ ،‬ﻫﻲ اﻟﺒﻴﺎﻧﺎت اﻟﺘﺠﺮﻳﺒﻴﺔ اﻟﺘﻲ ﺗﻮﻟﺪ ﻋﻦ ﻃﺮﻳﻖ اﻟﺘﺠﺎرب اﻟﻤﺼﻤﻤﺔ ﺣﻴﺚ ﺗﺘﻢ‬
‫ﺗﺤﺪﻳﺪ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻣﺴﺒﻘﺎ ً )أي ﻳﺘﻢ اﻟﺘﺤﻜﻢ ﺑﻬﺎ( ﻗﺒﻞ ﻣﺮاﻗﺒﺔ ﻗﻴﻤﺔ ‪ y.‬ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل‪ ،‬إذا ﻛﺎن‬
‫اﻟﻤﺸﺮف اﻹﻧﺘﺎﺟﻲ ﻳﺮﻏﺐ ﻓي دراﺳﺔ ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮﻳﻦ ﻣﺴﺘﻘﻠﻴﻦ ﻛﻤﻴﺔ‪ ،‬ﻣﺜﻞ درﺟﺔ اﻟﺤﺮارة ‪ x1‬واﻟﻀﻐﻂ‪ ، x2‬ﻋ�ى ﻧﻘﺎء‬
‫دﻓﻌﺎت ﻣﻦ اﻟﻤﻮاد اﻟﻜﻴﻤﻴﺎﺋﻴﺔ‪ ،‬ﻓﻘﺪ ﻳﻘﺮر اﻟﻤﺸﺮف اﺳﺘﺨﺪام ﺛﻼث ﻗﻴﻢ ﻟﺪرﺟﺔ اﻟﺤﺮارة )‪ ١٥٠ ،١٢٥ ،١٠٠‬درﺟﺔ ﻣﺌﻮﻳﺔ(‬
‫وﺛﻼث ﻗﻴﻢ ﻟﻠﻀﻐﻂ )‪ ٧٠ ،٦٠ ،٥٠‬رﻃﻞ ﻟﻜﻞ ﺑﻮﺻﺔ ﻣﺮﺑﻌﺔ(‪ ،‬وإﻧﺘﺎج وﻗﻴﺎس اﻟﺸﻮاﺋﺐ ‪ y‬ﻓي دﻓﻌﺔ واﺣﺪة ﻣﻦ اﻟﻤﻮاد‬
‫اﻟﻜﻴﻤﻴﺎﺋﻴﺔ ﻟﻜﻞ ﻣﻦ اﻟـ ‪ ٩ = ٣ × ٣‬ﺗﺮﻛﻴﺒﺎت درﺟﺔ اﻟﺤﺮارة ‪ -‬اﻟﻀﻐﻂ )اﻧﻈﺮ ﺟﺪول ‪ .(٢٫٢‬ﻓي ﻫﺬه اﻟﺘﺠﺮﺑﺔ‪ ،‬ﺗﺘﻢ ﻣﺮاﻗﺒﺔ‬
‫ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ﺑﺸﻜﻞ ﻣﺘﺤﻜﻢ ﻓﻴﻪ‪ ،‬ﻋ�ى ﻋﻜﺲ ﻃﺒﻴﻌﺔ اﻟﺒﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﻓي ﻣﺜﺎل ﻣﺒﻴﻌﺎت اﻟﻌﻘﺎرات‪.‬‬

‫اﻟﺘﻌﺮﻳﻒ ‪ ٢٫٤‬إذا ﺗﻢ اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ( اﻟﻤﺘﻐﻴﺮات )‪ x‬ﻓي اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ﺑﺎﺳﺘﺨﺪام ﺗﺠﺮﺑﺔ‬
‫ﻣﺼﻤﻤﺔ( أي ﺗﻌﻴﻴﻦ اﻟﻘﻴﻢ ﻣﺴﺒ ًﻘﺎ ﻗﺒﻞ ﻣﺸﺎﻫﺪة ﻗﻴﻤﺔ )‪ ، y‬ﻓﺈن اﻟﺒﻴﺎﻧﺎت ﺗﻜﻮن ﺗﺠﺮﻳﺒﻴﺔ‪.‬‬

‫ﻓي اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﺪراﺳﺎت‪ ،‬ﻏﺎﻟ ًﺒﺎ ﻣﺎ ﻻ ﻳﻜﻮن ﻣﻦ اﻟﻤﻤﻜﻦ اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ)‪ ، (x‬وﺑﺎﻟﺘﺎﻟي ﻓﺈن‬
‫ﻣﻌﻈﻢ اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﻳﺘﻢ ﺟﻤﻌﻬﺎ ﻟﺘﻄﺒﻴﻘﺎت اﻻﻧﺤﺪار ﻫﻲ ﺑﻴﺎﻧﺎت ﻣﺮاﻗﺒﺔ‪) .‬اﻓﺘﺮض اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ﻓي اﻟﻤﺜﺎل ‪.٢٫٢‬‬
‫ﻳﺘﻀﺢ ﺑﻮﺿﻮح أﻧﻪ ﻣﻦ اﻟﻤﺴﺘﺤﻴﻞ أو ﻏﻴﺮ اﻟﻌﻤ�ي اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ (.‬ﻟﺬﻟﻚ‪ ،‬ﻗﺪ ﺗﺮﻏﺐ ﻓي ﻣﻌﺮﻓﺔ‬
‫ﺳﺒﺐ ﺗﻤﻴﻴﺰﻧﺎ ﺑﻴﻦ اﻟﻨﻮﻋﻴﻦ ﻣﻦ اﻟﺒﻴﺎﻧﺎت‪ .‬ﺳﻨﺘﻌﻠﻢ )اﻟﻔﺼﻞ ‪ (٧‬أن اﻻﺳﺘﺪﻻﻻت اﻟﻤﺴﺘﻤﺪة ﻣﻦ دراﺳﺎت اﻻﻧﺤﺪار اﻟﺘﻲ‬
‫ﺗﻌﺘﻤﺪ ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﻟﺪﻳﻬﺎ اﻟﻤﺰﻳﺪ ﻣﻦ اﻟﻘﻴﻮد ﻣﻘﺎرﻧ ًﺔ ﺑﺘﻠﻚ اﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﺘﺠﺮﻳﺒﻴﺔ‪ .‬وﺑﺸﻜﻞ‬
‫ﺧﺎص‪ ،‬ﺳﻨﺘﻌﻠﻢ أن إﻧﺸﺎء ﻋﻼﻗﺔ ﺳﺒﺒﻴﺔ ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات ﻳﻜﻮن أﺻﻌﺐ ﺑﻜﺜﻴﺮ ﻓي اﻟﺒﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﻣﻘﺎرﻧﺔ ﺑﺎﻟﺒﻴﺎﻧﺎت‬
‫اﻟﺘﺠﺮﻳﺒﻴﺔ‪.‬‬

‫ﻳﺴﺘﻨﺪ اﻟﻐﺎﻟﺒﻴﺔ اﻟﻌﻈﻤﻰ ﻣﻦ اﻷﻣﺜﻠﺔ واﻟﺘﻤﺎرﻳﻦ ﻓي اﻟﻔﺼﻮل ‪ ١٠-٣‬ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺸﺎﻫﺪوﻳﺔ‪ .‬ﻓي اﻟﻔﺼﻮل ‪، ١٢-١١‬‬
‫ﻧﺼﻒ ﻓﻴﻬﺎ ﺗﺤﻠﻴﻼت اﻻﻧﺤﺪار اﺳﺘﻨﺎدًا إﻟى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺠﻤﻌﺔ ﻣﻦ ﺗﺠﺮﺑﺔ ﻣﺼﻤﻤﺔ‪.‬‬

‫ﻣﻠﺨﺺ ﺳﺮﻳﻊ‬

‫اﻷﻓﻜﺎر اﻟﺮﺋﻴﺴﻴﺔ‬

‫ﺟﺎ رﻳﺎﺿ ًﻴﺎ ﻟﻠﺘﻨﺒﺆ ﺑﻤﺘﻐﻴﺮ ‪ y‬ﻣﻦ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻷﺧﺮى‪xk ،. ..،x2 ، x1‬ﻣﺘﻐﻴﺮات‬
‫ﺗﺴﺘﺨﺪم ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻧﻤﻮذ ً‬
‫اﻻﻧﺤﺪار‬

‫‪ .١‬اﻟﻤﺘﻐﻴﺮ اﻻﻋﺘﻤﺎدي )اﻟﺮد( ‪ y -‬اﻟﻤﺘﻐﻴﺮ اﻟﺬي ﻳﺘﻢ ﻧﻤﺬﺟﺘﻪ ‪ /‬اﻟﺘﻨﺒﺆ ﺑﻪ‬

‫‪ .٢‬اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ‪xk - ،. ..،x2 ،x1 ،‬اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﻠﺘﻨﺒﺆ ب ‪ y‬ﻧﻤﻮذج اﺣﺘﻤﺎﻟي ‪y = E (y) +‬‬
‫‪ ،ε‬ﺣﻴﺚ‬

‫= )‪E(y‬ﻣﺘﻮﺳﻂ ‪ y‬اﻟﻤﺘﻮﻗﻊ ﻫﻮ وﻇﻴﻔﺔ ﻣﻦ ‪xk ،. ..،x2 ،x1‬‬ ‫‪.٣‬‬

‫‪ε‬ﻫﻮ ﺧﻄﺄ ﻋﺸﻮاﺋي ﺧﻄﻮات اﻻﻧﺤﺪار‬ ‫‪.٤‬‬

‫‪ .٥‬اﻓﺘﺮض ﺷﻜﻞ اﻟﻨﻤﻮذج ﻟـ)‪E(y‬‬

‫‪ .٦‬ﺟﻤﻊ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ‬

‫‪ .٧‬ﺗﻘﺪﻳﺮ اﻟﻤﻌﻠﻤﺎت ﻏﻴﺮ اﻟﻤﻌﺮوﻓﺔ ﻓي اﻟﻨﻤﻮذج‬

‫‪ .٨‬ﺗﺤﺪﻳﺪ ﺗﻮزﻳﻊ اﻻﺣﺘﻤﺎل ﻟـ‪ε‬‬

‫‪ .٩‬اﻟﺘﺤﻘﻖ إﺣﺼﺎﺋ ًﻴﺎ ﻣﻦ ﻣﻼءﻣﺔ اﻟﻨﻤﻮذج‬

‫‪ .١٠‬اﺳﺘﺨﺪام اﻟﻨﻤﻮذج ﻟﻠﺘﻨﺒﺆ واﻟﺘﻘﺪﻳﺮ أﻧﻮاع ﺑﻴﺎﻧﺎت اﻻﻧﺤﺪار‬

‫‪ .١١‬ﻣﺮاﻗﺒﺔ( ﻗﻴﻢ ‪ x's‬ﻏﻴﺮ ُﻣﺘَﺤﻜ �ﻢ ﺑﻬﺎ)‬

‫‪ .١٢‬ﺗﺠﺮﻳﺒﻲ( ﻗﻴﻢ ‪ُ x's‬ﻣﺘَﺤﻜ �ﻢ ﺑﻬﺎ ﻋﻦ ﻃﺮﻳﻖ ﺗﺼﻤﻴﻢ اﻟﺘﺠﺮﺑﺔ)‬